一种自发地理信息的兴趣点地标路径引导方法与流程

本发明属于测绘地理信息技术领域，涉及一种自发地理信息的兴趣点地标路径引导方法。

背景技术：

自发地理信息(volunteeredgeographicinformation，vgi)作为一种新型的大众地理信息数据源，旨在个人自愿提供地理数据。

兴趣点(pointofinterest，poi)是数字地图的核心内容，是指一切可以被抽象为点的实体，尤其是一些与人们生活相关的城市基础设施建设，可以是一个建筑物、商铺、公交站等，能在辅助定位、位置查询搜索、路径查询搜索、导航等服务中发挥作用。

狭义的地标指的是地理空间中存在的标志性地理对象，狭义的地标包含于poi中。poi地标主要是指地理空间环境中认知度较高，易于理解和记忆的空间要素，城市中的具有一定影响力的poi都可以当作地标。

路径引导也可以称为导航，是在路径导航的过程中，实时跟踪用户当前的路径状态，引导使用者到下一引导点，从而不断地引导用户方便、快速地到达目的地。

现有的路径引导方法，主要包括以下几种方法：

一种方法是传统的导航方法。这种方法大多数采用的是“转向-距离”的路径引导方式，推荐的路径都是距离最短或时间最短的路径，基本上都可以归为最短路径算法。

另一种方法是poi的路径引导方法。这种方法通常选择多个poi作为引导点，在路径描述上以多个poi构成引导路径。poi数据的采集多以测绘方式采集。

还有一种方法是传统poi地标的路径引导方法。这种方法从poi中选取易于记忆和著名的空间对象当作地标，在路径描述上以多个poi地标构成引导路径。poi地标的提取主要依靠多个职业试验人员的现场记录与回忆和调查问卷的方式进行。

对于传统的导航方法，由于现在人们在进行路径选择时，通常不会完全按照最短标准路径来选择，而是更倾向于选择符合人们空间认知习惯的路线，所以现有的传统导航系统无法满足人们的需求。

对于poi的路径引导方法，不同的poi对路径引导的有效度、效率和满意度都不相同，为减少人们寻路时的精力分散，需要确认基于用户偏好的poi在路径引导中的作用，通常需要建立一个综合的数学模型来评价其合理性，比较复杂，在短时间内很难判断，而且传统poi数据测绘方式采集需要耗费大量的专业人员和物力财力。

对于传统poi地标的路径引导方法，由于耗费的时间和人力资本太高，不适合大量poi地标提取和地理空间的及时更新。

技术实现要素：

为了克服上述现有技术的不足，本发明提供了一种自发地理信息的兴趣点地标路径引导方法，即vgi-poi地标路径引导方法，解决了传统导航方法不符合人们空间认知习惯，poi与传统poi地标路径引导方法耗费成本高的技术问题，实现了路径引导合理，便于实际使用，导航效率提高，心理负担降低的技术效果。

本发明所采用的技术方案是：

步骤一，基于微博社交平台vgi-poi签到数据的获取。

步骤二，获取vgi-poi签到数据的预处理。

对从微博社交平台获取的vgi-poi签到数据进行预处理，包括地理冷点和地理异构点的预处理。

处理地理冷点采用设定签到次数阈值进行筛选的方法：

lp＝{vpi|ni≤nt,i＝1,2,...,n}

其中，lp表示地理冷点，vpi表示vgi-poi签到数据，ni为vpi对应的签到次数，nt为设定的签到次数阈值。

处理地理异构点采用合并异构点的方法，首先计算异构点空间相似度和属性相似度，然后根据设定的阈值判断是否属于同一地理点进行合并：

mp＝md≥dt且mh≥ht

其中，mp表示可以合并的地理异构点，md表示空间相似度，dt表示空间相似度阈值，mh表示属性相似度,ht表示属性相似度阈值。

空间相似度md采用二维平面直线距离衡量，距离越短空间相似度越高。

属性相似度mh采用同位同字与不同字差异记分法，比较两个异构点名称字符串之间相似度，同位同字记分是对两个名称字符串相同位置上出现同字的次数进行记数，不同字差异记分是对两个名称字符串包含不同字的个数进行记数，两个记分的差值越大，属性相似度越高，具体计算公式如下：

mh＝r-t

其中，mh表示属性相似度，r表示同位同字记分，t表示不同字差异记分。

步骤三，vgi-poi签到数据的有效性计算。

对预处理后的vgi-poi签到数据，从关注度和空间分布特征两项指标综合计算其有效性，具体计算公式如下：

e＝α·a+β·s

其中，e表示有效值，a表示关注度，s表示空间分布特征，α,β为权重系数，且α+β＝1,α,β∈[0,1]。当e大于等于有效性阈值时，认为该vgi-poi签到数据有效。

关注度a采用签到次数来衡量，签到次数越多表示受关注度越高。

空间分布特征s采用空间分布密度聚类算法产生的聚类密度来衡量，聚类密度越大表示vgi-poi的城市中心度越高。

步骤四，vgi-poi地标路径引导最优路径的选择。

vgi-poi地标为经有效性计算后选取的vgi-poi。综合路径距离、路径内vgi-poi地标数量和出行者对vgi-poi地标熟悉的数量三方面因素建立如下最优路径选择模型：

其中，i表示路径指数，i值最小的路径表示最优路径；n1表示路径内vgi-poi地标数量，n2表示熟悉的vgi-poi地标数量；e为自然常数；γ1,γ2,γ3为权重系数，且γ1+γ2+γ3＝1,γ1,γ2,γ3∈[0,1]；ds表示二维平面路径距离，使用下式进行归一化(max和min分别表示最大、最小值)：

(ds-min(ds))/(max(ds)-min(ds))

步骤五，基于最优路径的vgi-poi地标的路径引导。

按以下步骤实施：

①设定路径的起始点和终止点；

②选取可能产生的路径，并计算路径的距离ds；

③以路径中心线和一定距离建立缓冲区，计算缓冲区内vgi-poi地标的数目n1；

④从n1数目vgi-poi地标中指定出行者熟悉的vgi-poi地标，并统计数目n2；

⑤根据ds、n1、n2计算路径指数i，选出i值最小的路径为最优路径，即为出行者提供的引导路径；

⑥为最优路径生成包含vgi-poi地标的路径引导描述信息。

与现有技术相比，本发明的有益效果是：vgi-poi数据来自普通大众根据自己的兴趣自发分享的地理数据，大量数据更新及时且成本低廉；签到数据能够反映人们生活密切相关vgi-poi地标的显著性和生活习性特征，使用vgi-poi地标进行路径引导，将减少人们寻路的心理负担；本发明在一定程度上克服了传统导航方法、poi与传统poi地标路径引导方法的局限性，有助于减少寻路时间和提高导航效率，并且具有路径引导符合人们空间认知习惯，便于实际使用的特点。

附图说明

图1为本发明一种自发地理信息的兴趣点地标路径引导方法的结构示意图。

具体实施方式

基于地理位置的社交网络平台是vgi的一种代表性平台，通过移动微博客户端，用户可以随时随地在社交网络中进行签到位置分享，称为vgi-poi签到数据。

本具体实施方式采用以下技术方案：它的路径引导方法为：

步骤一，基于微博社交平台vgi-poi签到数据的获取。

vgi-poi签到数据获取的步骤如下：

①登录客户端向软件提供方请求一个令牌。

②软件提供方收到请求后验证客户申请，授予一个权限。

③客户端获取权限后，跳转到软件服务提供方的授权页面请求授权，此时权限和客户端的回调链接发送至提供方。

④权限通过后，用户通过调用微博提供的api获取请求资源。

⑤将获取的数据解析成vgi-poi序列、地点名、地址、经度、纬度、城市代码、vgi-poi类别代码和签到次数的记录格式。

步骤二，获取vgi-poi签到数据的预处理。

对从微博社交平台获取的vgi-poi签到数据进行预处理，包括地理冷点和地理异构点的预处理。

地理冷点表示签到次数较少的点，由于关注程度低，不足以吸引大众眼球，不具有导航功能。处理地理冷点采用设定签到次数阈值进行筛选的方法：

lp＝{vpi|ni≤nt,i＝1,2,...,n}

其中，lp表示地理冷点，vpi表示vgi-poi签到数据，ni为vpi对应的签到次数，nt为设定的签到次数阈值。

地理异构点是由于大众对同一地理对象的认知不同，存在多个别名，它们属于同一个地物，但数据在结构上差异明显。处理地理异构点采用合并异构点的方法，首先计算异构点空间相似度和属性相似度，然后根据设定的阈值判断是否属于同一地理点进行合并：

mp＝md≥dt且mh≥ht

其中，mp表示可以合并的地理异构点，md表示空间相似度,dt表示空间相似度阈值，mh表示属性相似度,ht表示属性相似度阈值。

空间相似度md采用二维平面直线距离衡量，距离越短空间相似度越高。

属性相似度mh采用同位同字与不同字差异记分法，比较两个异构点名称字符串之间相似度，同位同字记分是对两个名称字符串相同位置上出现同字的次数进行记数，不同字差异记分是对两个名称字符串包含不同字的个数进行记数，两个记分的差值越大，属性相似度越高，具体计算公式如下：

mh＝r-t

其中，mh表示属性相似度，r表示同位同字记分，t表示不同字差异记分。

步骤三，vgi-poi签到数据的有效性计算。

对预处理后的vgi-poi签到数据，从关注度和空间分布特征两项指标综合计算其有效性，具体计算公式如下：

e＝α·a+β·s

其中，e表示有效值，a表示关注度，s表示空间分布特征，α,β为权重系数，且α+β＝1,α,β∈[0,1]。当e大于等于有效性阈值时，认为该vgi-poi签到数据有效。

关注度a采用签到次数来衡量，签到次数越多表示受关注度越高。关注度a需归一化，步骤为：

①按划分等级数目m选取临界值，将签到次数划分为若干个等级o1,o2,…,oj,…,om；

②按签到次数大小，对等级从高到低赋予从大到小的值q1,q2,…,qj,…,qm；

③各等级值离差标准化，使结果映射到区间[0,1]，相同等级的关注度a取相同qj值(max和min分别表示最大、最小值)：

qj＝(qj-min(qj))/(max(qj)-min(qj)),j＝1,2,...,m

空间分布特征s采用空间分布密度聚类算法产生的聚类密度来衡量，聚类密度越大表示vgi-poi的城市中心度越高。空间分布特征s需归一化，步骤为：

①按划分等级数目m选取临界值，将聚类密度划分为若干个等级o1,o2,…,oj,…,om；

②按聚类密度大小，对等级从高到低赋予从大到小的值q1,q2,…,qj,…,qm；

③各等级值离差标准化，使结果映射到区间[0,1]，相同等级的空间分布特征s取相同qj值(max和min分别表示最大、最小值)：

qj＝(qj-min(qj))/(max(qj)-min(qj)),j＝1,2,...,m

步骤四，vgi-poi地标路径引导最优路径的选择。

vgi-poi地标为经有效性计算后选取的vgi-poi。

当出行者对路线完全陌生时，出行者会有心理压力，往往会觉得路径比实际距离要长，或者会降低行驶(行走)速度，因此按距离最短，即传统的最短路径算法方式并不是最优路径的选择方式。同时，当路径内能提供的vgi-poi地标数量越多，出行者对vgi-poi地标熟悉的数量越多时，将增加出行者的自信心，更有利于出行者的路径决策行为。

综合路径距离、路径内vgi-poi地标数量和出行者对vgi-poi地标熟悉的数量三方面因素建立如下最优路径选择模型：

其中，i表示路径指数，i值最小的路径表示最优路径；n1表示路径内vgi-poi地标数量，n2表示熟悉的vgi-poi地标数量；e为自然常数；γ1,γ2,γ3为权重系数，且γ1+γ2+γ3＝1,γ1,γ2,γ3∈[0,1]；ds表示二维平面路径距离，使用下式进行归一化(max和min分别表示最大、最小值)：

(ds-min(ds))/(max(ds)-min(ds))

步骤五，基于最优路径的vgi-poi地标路径引导。

按以下步骤实施：

①设定路径的起始点和终止点；

②选取可能产生的路径，并计算路径的距离ds；

③以路径中心线和一定距离建立缓冲区，计算缓冲区内vgi-poi地标的数目n1；

④从n1数目vgi-poi地标中指定出行者熟悉的vgi-poi地标，并统计数目n2；

⑤根据ds、n1、n2计算路径指数i，选出i值最小的路径为最优路径，即为出行者提供的引导路径；

⑥为最优路径生成包含vgi-poi地标的路径引导描述信息。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。